Proyecto 01

Parte 1

Carga de librerias

Para iniciar el trabajo es necesario cargar las librerías que están destinadas a usarse para la modificación y graficación de datos, Esto se hace con el siguiente comando:

library(ggplot2)
library(dplyr)
library(hrbrthemes)
library(plotly)

Nuevo dataframe

Ahora se crea un nuevo data frame con el archivo .csv brindado.

inp <- read.csv("liberia_datos_climaticos.csv",sep = ",", na.strings = "", dec = ",")

Comprobación de NA´s

Esta función sirve para saber si el archivo posee celdas sin información.

inp <- read.csv("liberia_datos_climaticos.csv",sep = ",", na.strings = "", dec = ",")

Limpieza de NA´s

Ahora bien, para limpiar esas celdas sin infromación se utiliza el siguiente comando:

inp_clean <- na.omit(inp)

Renombrar columnas

Con el siguiente comando, se pueden renombrar las columnas, para tener una mayor facilidad al digitar sus nombres en comandos futuros.

inp_clean <-
  inp_clean %>%
  rename(fecha = Date,
         temperatura = Temperatura..Celsius.,
         humedad_relativa = HumedadRelativa....,
         velocidad_viento = VelocidadViento..m.s.,
         lluvia = Lluvia..mm.,
         irradiacion = Irradiacion..W.m2.,
         evotranspiracion = "EvapoTranspiracion..mm.")

Cambiar formato fecha, sacar promedio y sumatoria de columnas.

Este comando funciona para que la fecha en las columnas, tenga un formato deseado para trabajar.

Tempdate <- strptime(inp_clean[,1], format= "%d/%m/%Y")

Por otra parte, con estos se logra conocer el promedio y sumatoria de las variables deseadas.

inp_monthtemp<- tapply(inp_clean[,2], format(Tempdate, format="%m/%Y"),FUN=mean)
inp_monthhumedad<- tapply(inp_clean[,3], format(Tempdate, format="%m/%Y"),FUN=mean)
inp_monthvelviento<- tapply(inp_clean[,4], format(Tempdate, format="%m/%Y"),FUN=mean)
inp_monthlluvia<- tapply(inp_clean[,5], format(Tempdate, format="%m/%Y"),FUN=sum)
inp_monthirradiacion<- tapply(inp_clean[,6], format(Tempdate, format="%m/%Y"),FUN=mean)
inp_monthevotranspiracion<- tapply(inp_clean[,7], format(Tempdate, format="%m/%Y"),FUN=sum)

Exportar csv

Ahora bien, para poder introducir archivos data frame se necesitan convertir los valores na archivos .csv, esto se logra con el siguiente comando para cada variable respectivamente:

write.csv(rbind(inp_monthtemp), file="inp_monthtemp.csv")
write.csv(rbind(inp_monthhumedad), file="inp_monthhumedad.csv")
write.csv(rbind(inp_monthvelviento), file="inp_monthvelviento.csv")
write.csv(rbind(inp_monthlluvia), file="inp_monthlluvia.csv")
write.csv(rbind(inp_monthirradiacion), file="inp_monthirradiacion.csv")
write.csv(rbind(inp_monthevotranspiracion), file="inp_monthevotranspiracion.csv")
write.csv(rbind(inp_clean), file="inp_clean.csv")

Crear dataframes de los promedios mensuales

Una vez se tienen los archivos .csv, se introce este comando para creardataframes de ellos.

df_inp_monthtemp <- read.csv("inp_monthtemp.csv",sep = ",", na.strings = "", dec = ",")
df_inp_monthlluvia <- read.csv("inp_monthlluvia.csv",sep = ",", na.strings = "", dec = ",")
df_inp_monthhumedad <- read.csv("inp_monthhumedad.csv",sep = ",", na.strings = "", dec = ",")
df_inp_monthvelviento <- read.csv("inp_monthvelviento.csv",sep = ",", na.strings = "", dec = ",")
df_inp_monthirradiacion <- read.csv("inp_monthirradiacion.csv",sep = ",", na.strings = "", dec = ",")
df_inp_monthevotrans <- read.csv("inp_monthevotranspiracion.csv",sep = ",", na.strings = "", dec = ",")
df_inpmonthfull <- read.csv("inp_monthfull.csv",sep = ",", na.strings = "", dec = ".")

Parte 2

Graficación

En esta sección se grafican las variables totales de los datos recolectados en Liberia

ggplot(inp_clean, aes(x = temperatura)) +
  geom_histogram(binwidth = 0.4,
                 color = "black",
                 fill = "orange") +
  ggtitle("Temperatura de los datos en Liberia (2015-2019)") +
  xlab("Temperatura °C") +
  ylab("% Frecuencia") +
  theme_ft_rc()

ggplot(inp_clean, aes(x = humedad_relativa)) +
  geom_histogram(binwidth = 3,
                 color = "black",
                 fill = "cyan") +
  ggtitle("Humedad relativa de datos en Liberia (2015-2019)") +
  xlab(" % Cantidad de vapor de agua") +
  ylab("% Frecuencia") +
  theme_ft_rc()

ggplot(inp_clean, aes(x = velocidad_viento)) +
  geom_histogram(binwidth = 0.6,
                 color = "black",
                 fill = "gray") +
  ggtitle("Velocidad del viento de datos en Liberia (2015-2019)") +
  xlab(" m/s") +
  ylab("% Frecuencia") +
  theme_ft_rc()

ggplot(inp_clean, aes(x = lluvia)) +
  geom_histogram(binwidth = 15,
                 color = "black",
                 fill = "blue") +
  ggtitle("Cantidad de lluvia de datos en Liberia (2015-2019)") +
  xlab(" mm") +
  ylab("% Frecuencia") +
  theme_ft_rc()

ggplot(inp_clean, aes(x = irradiacion)) +
  geom_histogram(binwidth = 40,
                 color = "black",
                 fill = "cyan") +
  ggtitle("Irradiación de los datos en Liberia (2015-2019)") +
  xlab(" Gy") +
  ylab("% Frecuencia") +
  theme_ft_rc()

ggplot(inp_clean, aes(x = evotranspiracion)) +
  geom_histogram(binwidth = 1.3,
                 color = "black",
                 fill = "violet") +
  ggtitle("Evotranspiración de los datos en Liberia (2015-2019)") +
  xlab(" % de humedad perdida") +
  ylab("% Frecuencia") +
  theme_ft_rc()

Parte 3

 plot_ly(data = df_inpmonthfull,
         x = ~ Fecha,
         y = ~ Promedio_temperatura, 
         name = 'Temperatura °C', 
         type = 'scatter',
         mode = 'lines',
         line = list(color = "red")) %>%
   add_trace(y = ~ Promedio_humedad,
             name = 'Humedad (%vapor de agua perdido)',
             mode = 'lines',
             line = list(color = "cyan")) %>%
   add_trace(y = ~ Promedio_vel_viento,
             name = 'Velocidad viento (m/s)',
             mode = 'lines',
             line = list(color = "gray")) %>%
   add_trace(y = ~ Suma_lluvia,
             name = 'LLuvia (mm)',
             mode = 'lines',
             line = list(color = "blue")) %>% 
   add_trace(y = ~ Promedio_iiradiacion,
             name = 'Irradiacion (Cy)',
             mode = 'lines',
             line = list(color = "yellow")) %>% 
   add_trace(y = ~ Suma_evotranspiracion,
             name = 'Evotranspiracion (% de humedad perdida)',
             mode = 'lines',
             line = list(color = "violet")) %>% 
   layout(title = "Promedios de datos de Liberia por mes (2015-2019) ",
          yaxis = list(title = "Promedio"),
          xaxis = list(title = "Fecha"),
          legend = list(x = 0.1, y = 0.9),
          hovermode = "compare")

Parte 4

plot_ly(data = inp_clean,
         x = ~ fecha,
         y = ~ temperatura, 
         name = 'Temperatura °C', 
         type = 'scatter',
         mode = 'lines',
         line = list(color = "red")) %>%
   add_trace(y = ~ humedad_relativa,
             name = 'Humedad (%vapor de agua perdido)',
             mode = 'lines',
             line = list(color = "cyan")) %>%
   add_trace(y = ~ velocidad_viento,
             name = 'Velocidad viento (m/s)',
             mode = 'lines',
             line = list(color = "gray")) %>%
   add_trace(y = ~ lluvia,
             name = 'LLuvia (mm)',
             mode = 'lines',
             line = list(color = "blue")) %>% 
   add_trace(y = ~ irradiacion,
             name = 'Irradiacion (Cy)',
             mode = 'lines',
             line = list(color = "yellow")) %>% 
   add_trace(y = ~ evotranspiracion,
             name = 'Evotranspiracion (% de humedad perdida)',
             mode = 'lines',
             line = list(color = "violet")) %>% 
   layout(title = "Comparación de los datos diarios de Liberia (2015-2019) ",
          yaxis = list(title = "Promedio"),
          xaxis = list(title = "Fecha"),
          legend = list(x = 0.1, y = 0.9),
          hovermode = "compare")

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.